一种基于标准正交基的小波分解与重构的计算方法

提出了基于标准正交基的小渡分解与重构的计算方法，并给出了正交小波分解与重构的推导过程．与传统方法相比。该方法具有相同的结论，但推导方法简单，易于理解。     

离散信号的二进小流分解与重构

讨论了由一维二进小波构造的二维二进小波的性质,并应用二维二进小波变换导出二维离散信号的分解和重构。     

基于多速率滤波器组的扩频系统

扩展频谱通信技术,是指用来传输信号的带宽远远大于信息本身带宽的一种通信技术。一般在扩频系统中所采用的扩频序列是最大长度序列,本文提出了一种新的基于多速率滤波器组结构的扩频码,其值与多速率滤波器组的冲击响应有关,并将基于这种新扩频码的扩频系统与CDMA技术在AWGN信道中相比研究其抗多径干扰,抗多用户干扰的性能。     

基于QMF分解与高阶小波的数字取证技术

对QMF与小波分解在取证上的应用进行了分析研究.将高阶小波技术应用于数字图像取证,对比原有的QMF分解方法,实现了较好的取证效果.     

信号的多通道多分辨分解

小波变换是近年来兴起的一种时频域信号分析理论,是信号分析处理的一种强有力的新工具。文中根据小波变换的特点,在Malat"二通道"多分辨分析的基础上,讨论分析了信号的多通道多分辨分析的理论和实现算法。给出了实验模拟结果,实验结果表明这一理论和方法对信号的处理分析是非常有用的。     

基于InSAR与多源数据融合的堆石坝外观变形重构

为了满足200~300 m级堆石坝变形监测的需求,弥补利用单轨道合成孔径雷达 （SAR）数据只能测得地物视线向与方位向二维变形的不足,基于集合卡尔曼滤波将合成孔径雷达干涉（InSAR）观测与常规点式监测数据进行跨尺度融合,提高堆石坝外观变形的监测精度;利用多维度监测数据,重构堆石坝外观变形场. 以水布垭面板堆石坝为例进行研究,结果表明,多源数据融合能够实现“大范围、低精度、高效率”的新型监测技术与“离散点、高精度、低效率”的常规监测技术的优势互补. 基于多维度监测数据重构外观变形场能够全面地掌握堆石坝的整体变形性态,降低单维度监测结果对实际变形漏判或误判的可能性. 该方法可以用于库岸边坡的变形监测和变形场重构.     

一类半双正交小波的分解重构算法

小波的分解重构算法是小波通向实际应用的关键步骤,基于方括号积关系的多尺度分析的建立以及一类新小波的构造,得到了半双正交小波,并通过对尺度空间和小波空间之间关系的分析,得到其对应基之间关系的半双正交小波的分解重构算法.研究表明该算法可归结为对Toeplitz线性方程组的求解,且当尺度函数φ和φ~双正交时,算法退化为现有的双正交小波的分解重构算法.     

QRS波的多尺度融合检测算法

提出一种基于模糊积分的小波变换多尺度融合检测算法，算法首先对心电信号进行Haar二进小波分解，并在每个尺度上输出各自的判决向量，在各个尺度的检测中采用了软决策方式，使决策形式更加合理，小波变换后各个尺度上的信息存在互补性，采用模糊积分的融合方法可以充分发挥和利用各个尺度的信息，在小波分解后1尺度和2尺度的效果较差，因此只选择3至6尺度的决策作为模糊积分融合算法的输入，尺度的检测效果是确定模糊积分密度的依据，因此融合算法不仅考虑了各尺度的决策结果，还考虑了各尺度之间的差异，实验表明，模糊积分融合算法可以有效提高检测能力。     

基于LSTM神经网络的多源数据融合桥梁变形重构方法

桥梁变形是桥梁状态评估的重要指标,在测量桥梁位移时,直接测量方法如LVDT、RTK-GPS、LDV等在实际应用中有很多局限性。由于从所测得的动应变中获得实时的位移模态和应变模态较为困难,而且大多数应变测量的采样频率较低,基于应变的间接桥梁变形重构方法在应用中仍存在一定的不足。提出一种基于长短时记忆(LSTM)神经网络重构桥梁变形的方法,该网络融合应变和加速度数据在训练后可以用作测量数据实时重构桥梁的变形。在应变模态、位移模态以及桥梁中性轴未知的情况下,该方法可以准确地重构变形。通过数值模拟和试验验证了重构结果的准确性,结果表明,基于LSTM的数据融合方法在不同条件下都可以实现高精度的桥梁变形重构。     

基于小波包分解的数据融合损伤识别方法

目的为了充分利用来自多传感器的冗余、带噪声数据，提高结构损伤识别的精度．方法利用小波包良好的时一频特性，首先用小波包分解对结构响应进行处理．提取信号的不同特征参数，然后利用不同的特征向量对结构分别进行损伤识别，最后应用融合技术对不同的识别结果进行融合处理．并用一个七层钢结构框架的多损伤识别验证了该方法的有效性．结果结果表明，该方法能够极大地提高了结构损伤识别精度．结论运用小波包分析提取信号的特征参数与数据融合技术进行损伤识别．并使二者有机的结合是结构健康监测与检测的有效途径与发展趋势．     

数字信号多分辨率逼近的计算

在最优表示准则意义下,以Ｓｈａｎｎｏｎ抽样定理为基础,讨论了将数字信号表示到小波多分辨率分析的某一抽样空间的通用算法,此算法的选取仅依赖于小波多分辨率分析的尺度函数而对偶尺度函数无关;给出了控制逼近误差的采样频率选取方法。     

多分辨率图像基于分步式滤波的融合算法

在多个传感器对同一个目标场景获得多个分辨率是非整数倍关系的图像的情况下,该文提出了基于分步式图像滤波的融合算法。首先利用小波多尺度分解变换获取相应的低频子图像,并将图像间分辨率的关系从非整数倍转化到整数倍。然后采用分块建模方法,以卡尔曼滤波器为工具,对图像进行分步式融合估计,从而获得目标场景基于多个观测图像的融合结果。最后用仿真实验验证新算法的可行性与有效性。     

异源共光学系统多分辨率图像的融合

在激光照射性能监测系统中,考虑到对成像激光光谱特性、命中率测量精度的要求,为保证图像的探测动态范围,提高光斑命中精度的测量准确度,使用可见光传感器和红外传感器获得图像。采用加权平均法、PCA变换法、金字塔小波变换法,对共光路光学成像系统的多分辨率图像进行融合,通过融合性能评价指标对以上融合方法进行比较。实验结果表明：基于金字塔小波变换的图像融合方法具有更为理想的图像融合效果,可以提供更多、更有效的信息,提高了图像的分辨效果,能更好的识别光斑。     

数据融合及其应用

介绍了数据融合的定义,融合层次,融合方法及其应用领域,特别是在军事上,机器人控制及图像处理上的应用．在此基础上,分析了数据融合的研究热点及发展趋势．     

异步数据融合的传感器配准

针对异步多传感器系统 ,研究一种能有效估计配准误差并消除其影响的算法 .提出用最小二乘法和卡尔曼滤波算法分别进行时间配准和估计失调误差和姿态误差 .仿真结果证实了算法的有效性 .采用最小二乘法可以将数据压缩“对齐”到任意时刻 ,采用卡尔曼滤波算法可以估计并消除配准误差的影响 ,这对多传感器的数据融合具有重要的意义 .     

遥感数据和多源地学数据的融合研究

随着遥感和地面勘探技术的发展,用于矿产和石油等资源调查的信息源和信息种类越来越多,多源数据的融合可以弥补单一信息源的不足,减少地质解释的多解性。因此,多源数据融合技术成为勘探学界研究的热点和难点。本文对遥感数据的地学应用、多源数据融合概念、流程、融合方法及评价方法进行分析和讨论,认为图像处理技术可以使遥感数据进一步揭示隐伏信息,同时图像融合技术对于解决多源数据融合的问题具有较大的应用前景。     

基于模糊神经系统的多传感器数据融合算法

将自适应模糊神经推理系统(ANFIS)和卡尔曼滤波器应用于目标跟踪系统中,构成多传感器数据融合算法。该算法假设在目标运动过程中,过程噪声和测量噪声是相互独立的高斯白噪声序列。使用ANFIS分别对目标的加速度和测量噪声的方差进行估计,通过卡尔曼滤波器获得目标后验状态,最终由神经网络对多传感数据进行融合得到系统输出。仿真结果表明,该算法可以通过自适应调整跟踪参数有效地防止目标丢失。     

数字化温度采集系统中的数据融合技术

数据融合在数字化温度测控系统的设计与研究中起关键作用,系统通过单片机检测到水箱中多个采样点的温度值.采用分布图法抑制干扰因素,消除疏失误差并利用算术平均值与分批估计相结合的方法对数据进行融合处理,得到所需的测量结果.     

数据融合故障诊断系统模型及其应用

系统的故障诊断问题是一种多知识源问题,反映系统状态的信息有时十分广泛。为对技术系统的故障诊断问题做出更精确、更完全的估计和判决,利用数据融合技术具有分析和处理多源信息的能力,将数据融合技术与故障诊断原理融为一体,形成基于数据融合技术的故障原理,并提出数据融合故障诊断系统模型。数据融合模型分成三级结构:原始信息融合层、特征融合层、决策融合层。每一级内部又有相应子结构。前两层主要对输入信息进行预处理和特征提取,第三层主要对特征信息进行全局决策。通过将Bayes决策理论纳入DFFDSM和时空融合方法的两个例子,说明DFFDSM是一种适应性较好的模型,具有结构清晰、简单的特点。     

BIC准则在数据融合中的应用

通过数据融合的方法,可以减少目标识别的不确定性.如果能对数据融合中所使用的信息源的质量做出评价,则可以进一步提高识别结果的准确性.文中提出了一种利用BIC准则来确定信息源信任度系数的方法,并以此衡量信息源的质量.实验结果表明利用BIC准则确定的信任度系数可以得到较好的图像识别结果,同时也证明了该方法应用在数据融合中的可行性.